面向 Graves 和甲状腺眼病项目的跨专科试验 OS——更快找到患者，沉淀双疾病证据。

1. $101M 的亮相融资说明，这已经不再是个小众科学项目，也让围绕试验执行的整套栈立刻有了预算。
2. 当一款疗法瞄准 Graves 和 TED 的共同驱动时，运营模型就会从单专科药物开发，变成跨专科的患者与证据编排。
3. 今天的 Graves 和 TED 疗法彼此不覆盖，这就意味着 sponsor 仍要接手一套割裂的转诊和终点工作流，而这正是软件能修掉的地方。
4. ENDO 2026 的数据读出，加上已公开的 2026 年下半年 FIH 时间表，把 sponsor 搭建找患者和站点就绪基础设施的窗口压得很短。
5. 低容量皮下注射加自动注射笔的设定，让门诊起始治疗和长期证据采集的重要性，开始超过输注中心物流。

催化因素。 Ethyreal 的融资、明确的双适应症 TSHR 叙事、近在眼前的 ENDO 2026 数据，以及计划在 2026 年下半年启动 FIH，都说明这个赛道正从科学叙事走向运营执行。

这家公司卖的会是一层“软件 + 运营”能力，面向正在推进 Graves 和 TED 项目的 biotech sponsor。它帮 sponsor 选站、起站，明确内分泌到眼科的转诊交接，并把病历审阅和预筛流程做成结构化工作流，让团队不用再靠医生临时想起谁合适，才能捞到潜在患者。产品还会把基线影像、化验和症状资料包做标准化，既让早期试验产出更干净的双疾病证据，也让后续上市团队看清患者到底漏在了哪里。它不替代 CRO 系统，而是压在上面，做那层疾病专用的运营系统：盯筛查速度、终点完整度和跨专科协同。时间拉长后，护城河会沉淀成一套专有数据：转诊来源、基线呈现模式、入组速度，以及 Graves/TED 项目后续的应答和留存。

差异化。 CRO 能跑通用研究，患者支持中心往往要等获批后才启动，EMR 厂商也不掌握 sponsor 侧的疾病激活工作流。这家公司要赢，靠的是卡住新一代自身免疫药在两个专科之间那层窄但高价值的环节：转诊映射、预筛逻辑、基线资料包完成度和终点质量。它的防守力会随着 sponsor 专属数据越积越厚——哪些环节让 Graves/TED 项目丢人，哪类站点入组最快，哪组证据最能预测后续治疗匹配度。

待完成任务

flowchart LR
  Buyer[临床运营负责人] --> Pain[Graves 和 TED 患者漏斗割裂]
  Pain --> Product[Graves/TED 激活 OS]
  Product --> Outcome[入组更快，双疾病证据更干净]

高管要点

• 窗口确实存在，但很窄：Graves/TED 项目正从科学叙事走向执行阶段，可买单的仍只是少数 biotech 团队，还谈不上一个宽软件类目。
• 运营痛点是站得住的：TED 诊疗本来就强调多学科协作，基线眼科评估本身高度结构化，而专科试验里的站点启动负担也在持续上升。
• 没有哪个现有厂商天然拿下这把切口。CTMS、招募网络和 CRO 工作流都能覆盖邻近任务，但没有一套是为“内分泌到眼科的转诊编排 + 双疾病证据完整度”专门优化的。
• 这件事只有先在 Graves/TED 上打透，再把同一层跨专科激活能力扩到相邻自身免疫项目，才更像一个值得 venture 关注的方向。

市场定义

这是卖给 Graves 病和甲状腺眼病资产团队的 sponsor 侧工作流软件与服务：帮他们跨内分泌和眼科找患者、把基线资料包采集标准化，并在 10-40 个站点的早期临床项目里盯住筛查与终点完整度。这个市场比通用 CTMS、患者招募或 DCT 工具都窄得多；它卖的不是泛临床软件，而是夹在专科转诊、预筛和可审计证据采集之间的那层疾病专属激活能力。

用户与买方

日常用户是 biotech sponsor 内部负责协调内分泌与眼科站点的临床运营、medical affairs 或 site enablement 团队。真正拍板的经济买家则是 CMO、COO 或 SVP Clinical Development，因为这个问题卡在研究启动、入组风险，以及早期 Graves/TED 数据包能不能让董事会、监管方和未来上市团队信服的交叉点上。

购买触发点

• 定义赛道的大额融资和近在眼前的临床推进，让首位患者入组前为工作流花钱更容易立项。 [6][9]
• TED 指南明确要求及时转诊、以及内分泌和眼科的联合管理，这让原本抽象的跨专科交接，变成了一个非常具体的运营问题。 [2][3][4]
• 站点已经在抱怨：按方案准备源文件既慢又重手工，所以 sponsor 有理由为更窄、更能提速的工作流买单，而不是再买一个泛化看板。 [16][17]
• 注册性与后期 TED 竞争越激烈，更快入组和更干净的基线证据就越有差异化价值。 [5][9][10]

支付意愿

买家本来就在 CTMS、招募和合规系统上花钱，所以这不必新开一个软件预算科目。最能打动人的付费理由，不是泛化 AI，而是少掉的入组延误和基线资料缺失。公开厂商页面也说明，按报价销售的 trial ops 软件市场已经存在，低端付费 CTMS 也不是没有；只要这把切口能和 days-to-screen、资料包完整度以及 sponsor 可监管性挂钩，它就是一门说得通的生意。 [19][21][22][23][24]

品类动态

增长信号 没有可信的公开细分 CAGR；增长更多来自新 GD/TED 项目在低基数上的扩张。

验证信号

• Ethyreal 以 $101M 融资亮相，并计划在 2026 年下半年启动首次人体试验，说明这条赛道的买方紧迫性是真实存在的。
• Viridian 的 TED BLA 已进入优先审评，说明相邻商业市场正在快速成熟。
• Immunovant 公开给出美国 GD 人群约 88 万，其中复发且未手术的细分约 33 万，这说明未满足需求会长期存在。
• 站点反馈显示，高复杂度研究会带来接近 6 周延迟和超过 21 小时的源文件准备工作，这直接印证了底层工作流痛点。

监管与技术约束

• 用于临床研究的电子系统，必须产出可信、可靠的记录与签名，并明确 sponsor 与 investigator 的控制边界。
• TED 检查要求一致的眼科评估、严重度评分，以及在有临床指征时做出影像选择，因此基线资料包逻辑不能临时拼凑。
• Graves 和 TED 患者的异质性、吸烟状态、甲状腺控制情况及疾病活动度，都会让预筛逻辑和队列可比性变复杂。

竞争来自四个方向：横向 CTMS/eTMF 系统、招募与可及性网络、站点导向的试验运营工具，以及最顽固的替代方案——CRO 加协调员表格。真正的战略空位不在通用临床软件，而在一层足够有主见的窄系统：把内分泌到眼科的转诊逻辑、基线资料包标准化，以及逐站点的双疾病证据质量一起抓住。

为什么现有厂商不会默认胜出

• CTMS 与 eTMF 套件. 它们掌握的是宽口径的研究管理、监查和文档流程，但出发点是通用研究对象，而不是 Graves/TED 专属的转诊和基线资料包逻辑。
• 招募与可及性网络. 像 Circuit 这样的网络主打的是漏斗顶端参与率和站点支持，但在 sponsor 专属的跨专科资料包完整度和终点就绪上，它们并不会天然取胜。
• 站点导向型试验平台. 站点工具能帮着招募受试者，也能配合 sponsor 协作，但它们的重心始终在站点执行，而不是 sponsor 持有的、横跨多个外部中心的疾病工作流。
• 手工 CRO 与协调员工作流. 这仍是默认替代方案，因为它灵活、也熟悉；但同样的文献也说明，它会把隐性的启动延迟、跨文档不一致和高准备负担原封不动保留下来。

Graves TED Trial OS 是一层面向 sponsor 的激活系统，服务那些在内分泌和眼科站点推进 Graves 病与甲状腺眼病项目的 biotech 团队。第一步要打的是美国 A-C 轮 sponsor：项目进入 Phase I 或 Phase II、北美有 10-40 个站点。它们眼前的问题不是通用 CTMS 管理，而是转诊漏损、基线资料包不一致，以及跨两个科室的首位患者筛查太慢。研究说明这里确实有运营触发点：TED 诊疗本来就强调多学科协作，站点启动负担已经不轻，而赛道融资与管线推进也让 pre-FPI 的执行投入更好立项。这把切口本来就该做窄：把内分泌到眼科的转诊路径标准化，先筛出潜在合格患者，并从转诊一路盯到首剂给药，把基线影像、化验和终点完整度串起来。公司不该一上来就替代 CRO、EDC 或大而全的 CTMS 套件；它该赢在这些系统没提供的那层薄而锋利的疾病专属能力。真正吸引 sponsor 的，是更快的入组和更干净的双疾病证据——对那些下一轮融资、董事会更新或 BD 叙事都押在早期试验 momentum 上的团队尤其如此。最大的约束还是市场大小：当前细分里，研究得到的 TAM 只有约 $6.0M，所以 venture 逻辑一定要先证明 Graves/TED，再把同一套工作流本体迁到相邻自身免疫项目。现在最缺的事实，是活跃 Graves/TED 项目里站点层面的转诊漏损和资料包失败率，因此前 90 天必须先验证：这个痛点到底够不够大，能不能支撑可复制的 $250k-$400k 年合同。

问题

• 做 Graves 和 TED 研究的 sponsor，一上来就接手一套割裂的内分泌与眼科工作流：对的患者常常识别得太晚、交接口径不一致，甚至在进入完整资格审核前就丢了。
• 基线影像、化验、症状和严重度评估资料包，要在各站点靠手工拼，这既拖慢入组，也削弱了早期双疾病证据的可信度。

解决方案

• 提供一套 Graves/TED 激活 OS：把转诊路径画清、把预筛队列管起来、把基线资料包要求标准化，并让 sponsor 能逐站点看到筛查速度和证据完整度。
• 不替换 CRO、CTMS、影像和化验系统，而是压在它们之上，这样 sponsor 不用推倒重来，也能把首位患者速度和资料包质量提上去。

为什么我们会赢

• 横向 CTMS、招募厂商和 CRO 服务能覆盖邻近环节，但它们并不掌握跨内分泌与眼科的 Graves/TED 专属转诊逻辑和基线资料包模型。
• 每落一单，都会沉淀一套专有数据：转诊来源、筛查失败原因、缺失的资料包要素，以及站点类型。这些数据会反过来提升预测、上线效率，以及往相邻自身免疫项目扩张的把握。

里程碑

flowchart LR
  Wedge[Graves TED 激活切口] --> MVP[转诊与资料包工作流 MVP]
  MVP --> Proof[筛查更快，证据更干净]
  Proof --> Expansion[相邻自身免疫激活平台]

创始团队

实验路线图

风险评估

必须成立的条件

• 试点项目里，当前至少 40% 的转诊候选人，是因为交接或资料包完成度缺口，没能走到完整资格审核。
• 每年至少要有 3 家风投支持的 Graves/TED sponsor，在首位患者入组前同时具备预算权限和时间紧迫性，愿意下单。
• 产品必须把首位受筛患者所需时间，相对 sponsor 原计划流程压缩至少 20%。
• 站点必须能在额外协调员负担有限的前提下采用这套工作流，不能逼着创业公司变成一个重服务的 CRO 替代品。
• 要想走出最初 $6.0M 的小市场，这套工作流本体必须在 24 个月内迁到至少 1 个相邻自身免疫类别。

待尽调问题

• 在首位患者入组前，跨专科激活这笔预算到底归谁：clinical ops、medical affairs，还是 CMO？
• 当前项目里的患者漏损，到底有多少来自转诊交接问题，又有多少是真正不符合入排标准？
• 在 Graves/TED 站点里，最常卡住 sponsor 可审阅筛查状态的资料包要素到底是什么？
• 买家会接受一层轻量、以导出为先的系统，还是在批准试点前就要求更深的 CTMS 和文档系统集成？
• 等当前 TED 头部项目商业化，或后期项目延期后，还会剩下多少可信的滩头项目？

模型合理性

• 收入引擎. 基准情景收入几乎完全来自把 3 个细分资产项目转成约 $0.4M 的正式合同，而不是靠大规模 logo 数量。
• 必须跑对的地方. 前两个试点必须按时转化，因为每丢掉 1 个项目，就等于砍掉大约三分之一的第 3 年收入底盘。
• 模型失效条件. 如果实施长期偏重服务、成熟毛利率卡在 65% 左右，那么这笔 $2.4M 融资就留不出一段干净的 seed 融资缓冲。
• 下一轮融资所需证明. 一个可信的 seed 故事，至少需要 3 个活跃项目、1 个来自伙伴渠道的成交，以及这套工作流本体能延展到 1 个相邻自身免疫类别的证据。

情景

敏感性

flowchart LR
  Leads[ICP sponsor] --> Pilots[付费试点]
  Pilots --> Production[年度项目]
  Production --> Revenue[项目收入]
  Revenue --> GrossProfit[毛利]
  GrossProfit --> Cash[现金跑道]

警示项: 研究得到的滩头市场太小，导致基准情景几乎默认前 3 个有意义的项目机会都要接近完美执行。 · 公司到 Y3 仍然 EBITDA 为负，所以这轮钱买到的是验证和 seed 就绪，而不是自给自足。 · 人均收入仍低于常见 SaaS 基准，因为资料包配置、合规和实施工作依旧吃掉了大量人力。 · 单位经济模型只有在毛利率真正站上 70% 时才好看；如果服务结构更像 CRO，LTV/CAC 很快就会被压扁。

• 临床时点风险. 如果第一波 Graves 和 TED 资产临床推进放缓或直接失败，这层类目专属激活系统的 sponsor 预算，可能会在公司做大前就先蒸发。 缓解措施: 先从与 protocol 无关的工作流模块切入，让产品也能支撑自然病程研究、medical affairs 证据生成，以及相邻自身免疫项目后续的商业就绪工作。
• 站点工作流阻力. 如果新工作流看起来只是多给协调员加活，却没有明确患者收益，内分泌和眼科站点很可能会抵触再接一套 sponsor 流程。 缓解措施: 上线时先给协调员轻量工具，加上服务辅助的初始配置，以及能直接减少资料缺失、重复外联和筛查混乱的看板。
• CRO 捆绑压力. 一旦这个痛点被看见，大型 CRO 可能会把这层能力打包进更大的试验运营合同里。 缓解措施: 别去替换 CRO 系统，而是接进它们，并围绕转诊模式、终点完整度和站点类型表现，沉淀一套有差异化的 Graves/TED 数据集。